論文の概要: Is your uncertainty map wrong, or is its target? Exact diagnostics for the Tweedie diagonal, and a gradient-free alternative
- arxiv url: http://arxiv.org/abs/2609.33786v1
- Date: Sun, 27 Sep 2026 17:32:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-04 16:46:36.402149
- Title: Is your uncertainty map wrong, or is its target? Exact diagnostics for the Tweedie diagonal, and a gradient-free alternative
- Title（参考訳）: あなたの不確実性マップは間違っているのか、それともそのターゲットなのか?Tweedie対角線に対する厳密な診断と勾配のない代替手段
- Abstract要約: 拡散モデルは、ベースラインからフォローアップされた医療スキャンを予測することができるが、臨床医は、その予測がどこに信頼されるかを示すボクセルマップが必要である。
14のモデルコーパス条件における6つのチェックポイントの正確な対角線を計算する。
脳MRIでは、Jacobianベースの推定器がすべてメモリを使い果たし、T-PTは20本鎖のMonte-Carloアンサンブルを導く。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A diffusion model can predict a follow-up medical scan from a baseline, but a clinician needs a per-voxel map of where that prediction can be trusted. Many such maps approximate the diagonal of the Tweedie posterior covariance, and are evaluated against another approximation of it, so whether the estimator or the target limits them is unclear. We compute the exact diagonal on six checkpoints across fourteen model-corpus conditions. Hutchinson at M=200 tracks it at rank agreement of at least 0.92 everywhere, yet in four of the fourteen the exact diagonal is anti-correlated with the denoising error, reaching -0.13, so a faithful estimator reproduces that reversal. All four are real-image conditions; on the models' own samples the reversal does not appear, so evaluating on generated samples flatters this family. What limits these maps is the target, not the estimator. We then introduce Tweedie Probe-Tangent (T-PT), a gradient-free residual probe that corrupts one model-supported prediction repeatedly and measures the voxel-wise variance of the denoiser's response. T-PT reads a different functional of the same Jacobian, and its exact second-order form ranks with the diagonal wherever the diagonal reverses; at thirty probes it returns a map too unstable to reproduce that ranking, while Hutchinson at M=5 already reproduces it, so T-PT there is not evidence against the reversal. We offer it as an instrument, not a better approximation. On brain MRI at full resolution, where every Jacobian-based estimator we test runs out of memory, T-PT leads a twenty-chain Monte-Carlo ensemble on five of eight endpoints inside tissue and trails it on none, at 16x fewer network evaluations; over the whole volume the ensemble leads, and fifty chains close the tissue gap. On lung CT the ensemble is ahead throughout. Both lose most of their discrimination where the change is, which remains open.
- Abstract（参考訳）: 拡散モデルは、ベースラインからフォローアップされた医療スキャンを予測することができるが、臨床医は、その予測がどこに信頼されるかを示すボクセルマップが必要である。
多くのそのような写像はツイーディ後部共分散の対角線を近似し、その別の近似に対して評価されるので、推定器または対象がそれらを制限するかどうかは不明である。
14のモデルコーパス条件における6つのチェックポイントの正確な対角線を計算する。
M=200のハッチンソンは、少なくとも0.92のランク一致で追跡するが、14の内4つの正対角線はデノナイジング誤差と反相関し、-0.13に達するので、忠実な推定器はその逆転を再現する。
4つとも実像条件であり、モデル自身のサンプルでは逆転は現れないため、生成されたサンプルの評価はこのファミリーをフラットにする。
これらの地図に制限があるのは、推定器ではなく、ターゲットである。
次に,Tweedie Probe-Tangent (T-PT)を導入する。これは勾配のない残差プローブで,1つのモデル支持予測を繰り返し破壊し,デノイザの応答のボクセル的分散を測定する。
T-PTは、同じヤコビアンと異なる関数を読み、その正確な2階形式は、対角線が逆転する任意の角度でランク付けされる; 30のプローブでは、地図が不安定でそのランクを再現できないが、M=5のハッチンソンは、既にそれを再現しているので、T-PTは逆転に対する証拠がない。
私たちはそれをより良い近似ではなく、楽器として提供します。
脳MRIでは、すべてのJacobianベースの推定器がメモリを使い果たし、T-PTは、組織内の8つの終端のうち5つに20本のMonte-Carloアンサンブルを導いており、ネットワーク評価の16倍も少ない。
肺CTでは、アンサンブルは至る所で進行している。
両者は、変更の場所に関する差別の大半を失うが、これは依然としてオープンである。
関連論文リスト
- GAUGE: Group-Wise View-Inconsistency Rectification for Feed-Forward 4D Tracking [48.91477882822122]
本稿では,GAUGE(Group-wise Adaptive Unsupervised Gauge Estimation)について述べる。
方向整合性と空間接続性から運動群を復元し、フレーム単位のラジアルスケールとグループレベルの変換を推定する。
D4RT, 4RC, SM4RTを含む8つのトラッカーの動的クエリポイントでは, 訂正されていない予測に対して, 終端誤差を15.1%から62.6%削減する。
論文 参考訳（メタデータ） (2026-09-26T13:14:53Z) - One Patch, Three Roles: What Is Actually Coupled in Autoregressive Time-Series Forecasting? [49.84472730204669]
凍結した親の軌道は, 軽量な平行出口で観測される未来よりも適合しやすいことを示す。
また、列車選択した周期的歴史方向に沿って補正可能な残射も見出す。
Tangentはこの修正を、ニューラルパラメータやTransformerコールを追加せずに適用する。
論文 参考訳（メタデータ） (2026-09-20T14:54:35Z) - Auditing Bayesian Graph Alignment: Diagnostic Comparisons and Reference Failure [0.0]
3つのサンプルとスコア,限界,指標,カテゴリー,分類器に基づく診断を比較した。
また, 誤差が967に近づいたにもかかわらず, ほぼゼロに一致しない共通開始鎖も示している。
これらの結果は、有限予算の限界、診断ランク、基準合意を精度の証拠として識別しながら、割当感性監査を支援する。
論文 参考訳（メタデータ） (2026-09-19T22:19:09Z) - A Calibration Audit of Confidence in Feed-Forward 3D Reconstruction [45.496856835431885]
3D再構成モデルは、下流システムが信頼性信号として読み取る画素当たりの信頼を出力する。
4つの特性に対する信頼度、エラーのランク付けの正確さ、そのレベルが平均的に正しいかどうか、信頼範囲を越えて保持されているかどうか、そしてその間隔が真実をカバーしているかどうか。
信頼度は誤差をよくランク付けするが、予測された不確実性は、トレーニングの正確さではない条件下で読み取られると低すぎる。
論文 参考訳（メタデータ） (2026-08-30T10:21:34Z) - CARD: Calibration via Agreement in Reverse Diffusion for Out-of-Domain MRI Segmentation [14.844162865265673]
そこで我々は,不一致の時間的集合を全クラスにわたって1ピクセルあたりの温度場にマッピングし,セグメント化ができない間に信頼度が変化するようにCARDを提案する。
心臓、前立腺、脳のMRIシフトによって、CARDは各設定において最強のベースラインと比較した場合、49の45のキャリブレーション誤差を低下させる。
論文 参考訳（メタデータ） (2026-08-26T07:23:08Z) - Leaf Values as Coordinates: Exact Contrastive Explanation for Gradient-Boosted Ensembles [0.0]
勾配ブーストされたアンサンブルは、木ごとの葉の値の1つを和らげて予測する。
各インスタンスはRMの点となり、モデルが線形に振る舞う。
その推奨は、モデル自身の決定を6.2 x 10-15に再構成する。
論文 参考訳（メタデータ） (2026-08-19T17:20:33Z) - Feature Priming in Online Linear Regression: Sparse-Regret Lower Bounds and a Tight Univariate Rate [47.36630149538994]
高次元のオンライン予測では、最良の予測子はいくつかの機能にのみ依存する可能性があるため、後悔は周囲の次元ではなく、疎らさでスケールすべきである。
WarmuthとAmidはCOLT 2023で、これらの3つのルールのいずれかが競合するオンライン後悔の保証を認めているかどうかを尋ねた。
安価なニュアンスは、リフィットが真の予測座標を過度に重くする原因となる。
論文 参考訳（メタデータ） (2026-08-18T09:32:03Z) - A Calibrated Test of Internal Action Maps: State Signals Without Global Affine Closure [0.16921396880325776]
我々は、ソースのないアクションマップが自然なポストアクションアクティベーションに達するかどうかを検証し、構成する。
実験をエビデンス格子として整理し,既知のアフィンS_5キャリア上の幾何学的分岐を検証する。
論文 参考訳（メタデータ） (2026-08-13T05:41:24Z) - Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
私たちは検出器を構築し、その証拠として属性マップを添付します。
私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。
属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
論文 参考訳（メタデータ） (2026-07-31T16:07:05Z) - Stage-Replay Divergence Follows the KV Cache: Fixed-Prefix Precision Controls and Bidirectional Cache Transplantation [51.56484100374058]
Stage-replayは中間トークンプレフィックスを再構築し、プレフィックスに最初に到達したデコーダ状態からの継続として、新しいプリフィル継続を処理する。
一致した200itemの実験では、保持されたライブキャッシュと同一の整数トークンのワンショットプリフィルを比較し、両側に正確なレプリカを配置する。
論文 参考訳（メタデータ） (2026-07-30T16:41:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。